در مدار قرار گرفتن بهینه واحدهای نیروگاهی حرارتی با استفاده از روش ترکیبی منطق فازی و الگوریتم جهش قورباغه

الموضوعات :

حسن براتی ¹ , اسماعیل فتحی ² , محمد نصیر ³

1 - استادیار - گروه برق، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران
2 - کارشناس ارشد - گروه برق، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران
3 - کارشناس ارشد - گروه برق، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران

تاريخ الإرسال : 20 الجمعة , رجب, 1439 تاريخ التأكيد : 17 الثلاثاء , ذو الحجة, 1439 تاريخ الإصدار : 28 الثلاثاء , صفر, 1440

الکلمات المفتاحية: منطق فازی, واحدهای حرارتی, در مدار قرار دادن نیروگاه‌ها, روش لاگرانژ, الگوریتم جهش قورباغه,

ملخص المقالة :

در این مقاله، مسئله در مدار قرار‌ گرفتن نیروگاه‌های حرارتی، با استفاده از ترکیب منطق فازی و الگوریتم جهش قورباغه حل شده است که در آن، محدودیت‌ها و قیود حداقل و حداکثر تولید، حداقل زمان توقف و روشن بودن، زمان راه‌اندازی، ذخیره چرخان و ... در نظر گرفته شده است. از منطق فازی جهت کاهش زمان تولید سیکل‌های خاموش و روشن بودن نیروگاه‌ها به ‌عنوان اعضاء جامعه‌ پاسخ‌های ممکن در حل مسئله در مدار قرار‌ دادن استفاده شده‌ است و الگوریتم جهش قورباغه برای بهینه‌کردن پاسخ‌ها به‌کار می‌رود و استفاده از روش پیشنهادی، منجر به سرعت در زمان دسترسی به پاسخ بهینه و کاهش هزینه‌ تولید می‌شود. شبیه‌سازی در محیط نرم‌افزاری MATLAB انجام شده است و نتیجه آن در مقایسه با برخی الگوریتم‌های هوشمند دیگر بهبودهایی را در هزینه تولید و زمان حل مسئله نشان می‌دهد. این روش قابلیت توسعه در حل مسئله در مدار آوردن نیروگاه‌های حرارتی در ابعاد مختلف با لحاظ سایر قیود و محدودیت‌ها را دارا می‌باشد.

المصادر:

[1] C.P. Cheng, L. Chun and C.W liu, “Unit commitment by lagrangian relaxation and genetic algorithm”, IEEE Trans. on Power Systems, Vol.15, No 2, pp.707-714, May 2000,

[2] Q. Jiang, M. Zhang, B. Zhou B., “Parallel augment lagrangian relaxation method for transient stability constrained unit commitment", IEEE Trans. on Power Systems, Vol. 28, No. 2, pp.1140-1148, Oct. 2013.

[3] M. Amani, E. Zonkoly, "Multistage expansion planning for distribution network including unit commitment", IET Generation, Transmission and Distribution, Vol. 7, Iss.7, pp.766-778, July 2013.

[4] I.G. Domousis, P.S. Dokopoulos, A.G. Bakirtsis, "A solution to unit-commitment using intiger coded – genetic algorithm", IEEE Trans. on Power Systems, Vol. 19, No. 2, pp. 388-399, May 2004.

[5] Y. Jeong, J. Park, S. Jang, K. Lee, "A new quantum-inspired binary PSO: Application to unit commitment problem for power system", IEEE Trans. on Power Systems, Vol. 25, No. 3, pp. 486-1495, Aug. 2010.

[6] G. Morales, M. Latorre, "Tight and compact MILP formulation of start up and shut_down ramping in unit cummitment", IEEE Trans. on Power Systems, Vol. 28, No. 2, pp.1288-1296, May 2013.

[7] S.P. Simon, K. Chandrasekaran, "Multi-objective unit commitment problem with reliability function using fuzzified binary real coded artificial bee colony algorithm", IET Generation, Transmission and Distribution, Vol. 6, No. 10, pp.1060-1073, Oct. 2012.

[8] M. Moghimi, B. Vahidi, "A solution to the unit commitment problem using imperialist competition algorithm", IEEE Trans. on Power Systems, Vol. 27, No. 1, pp.117-124, Feb. 2012.

[9] J. Ebrahimi, S.H. Hossienian, G.B. Gharehpetian, “Unit commitment problem solution using shuffled frog leaping algorithm”, IEEE Trans. on Power Systems, Vol. 26, No. 2, pp. 573-580, May 2011,

[10] W. Lei, "A tighter piecewise linear approximation of quadratic cost curve for unit commitment problem", IEEE Trans. on Power Systems, Vol. 26, No. 4, pp. 2581-2589, Nov. 2011.

[11] H. Anand, N. Narang, J.S. Dhillon., "Profit based unit commitment using hybrid optimization technique", Energy, Vol. 148, pp. 701-715, April 2018.

[12] Y. Wu, H. Chang, S. Chang, "Analysis and comparison for the unit commitment problem in a large-scale power system by using three meta-heuristic algorithms", Energy Procedia, Vol. 141, pp. 423-427, Dec. 2017.

[13] M. Nemati, M. Braun, S. Tenbohlen, "Optimization of unit commitment and economic dispatch in microgrids based on genetic algorithm and mixed integer linear programming", Applied Energy, Vol.  210, pp. 944-963, Jan. 2018.

[14] G.V. SubbaReddy, V. Ganesh, R.C. Srinivasa, "Implementation of genetic algorithm based additive and divisive clustering techniques for unit commitment", Energy Procedia, Vol. 117, pp. 493-500, June 2017.

[15] N.P. Padhy, "Unit commitment – A bibiogrphical survey", IEEE Trans. on Power Systems, Vol. 19, No. 2, pp. 1196-1205, May 2004.

[16] S.A. Kazarlis, A.G. 8akirtzis, V. Petridis. "A genetic algorithm solution to the unit commitment problem",, IEEE Trans. on Power Systems, Vol. 11, No. 1, Feb. 1996.